Para os médicos que tentam manter-se a par das últimas descobertas médicas, rever as últimas investigações é como levar um tiro de canhão de água na cara. A cada 30 segundos é publicado um novo artigo. Tentar passar tudo a pente fino para chegar a um diagnóstico ou a um plano de tratamento que reflita as melhores opções atuais, ao mesmo tempo que se atende 20 doentes por dia, é uma tarefa quase impossível.

“Falamos da idade de ouro da biotecnologia, em que há novos medicamentos e melhores medicamentos desenvolvidos a toda a hora. Mas é como se fosse a idade das trevas para os médicos por causa do esgotamento”, disse Daniel Nadler, cofundador e diretor executivo da OpenEvidence, à Forbes. “Há uma enorme quantidade de informação que eles precisam de acompanhar, e o cérebro humano tem uma capacidade limitada para ler milhões de estudos”.

Então Nadler, 42, um Ph.D. de Harvard que vendeu sua empresa anterior por US $ 550 milhões em 2018, decidiu resolver o problema com inteligência artificial. Agora, os algoritmos proprietários da startup pesquisam milhões de publicações revistas por pares, incluindo nas principais revistas como o New England Journal of Medicine e o Journal of the American Medical Association, para ajudar os médicos a encontrar as melhores respostas rapidamente, com citações completas de artigos para que os médicos possam ler mais por si mesmos. O software é gratuito para utilização pelos médicos verificados e ganha dinheiro através da publicidade – tal como o Google faz.

“Penso que a OpenEvidence parece que vai ser para os cuidados de saúde o que a Google foi para a Internet.” – John Doerr, presidente da Kleiner Perkins

“Acho que o OpenEvidence parece que vai ser para a saúde o que o Google foi para a Internet”, disse o presidente bilionário da Kleiner Perkins, John Doerr, que investiu na empresa pessoalmente eatravés da sua empresa, acrescentando: “É o modelo livre para médicos que é a mágica aqui”.

Desde a sua fundação em 2022, a OpenEvidence, sediada em Miami, inscreveu 40% dos médicos nos Estados Unidos, ou seja, mais de 430 mil, e está a adicionar novos médicos a um ritmo atual de 65 mil por mês. As suas receitas provenientes da publicidade estão agora a chegar a uma taxa anual estimada em 50 milhões de dólares. Não é muito, mas graças à rápida adoção do software, os investidores estão a apostar em grande: a OpenEvidence angariou 210 milhões de dólares, liderados pela GV (o braço de risco da Google) e pela Kleiner Perkins, com uma avaliação de 3,5 mil milhões de dólares, contra mil milhões de dólares no seu último financiamento em fevereiro, disse Nadler à Forbes. Outras empresas de capital de risco de renome, como a Coatue, a Conviction e a Thrive Capital, também investiram.

O novo investimento faz de Nadler, que detém cerca de 60% da empresa, um bilionário, com um património líquido que a Forbes estima em 2,3 mil milhões de dólares. O cofundador Zack Ziegler, diretor de tecnologia da empresa, com 30 anos de idade, detém cerca de 10% do negócio, no valor de cerca de 350 milhões de dólares. Nadler conseguiu manter uma participação tão grande por ter sido o primeiro investidor inicial, colocando cerca de 10 milhões de dólares do seu próprio dinheiro antes de obter qualquer financiamento de capital de risco.

“Uma das coisas boas de ser um empresário pela segunda vez é que não sou idiota”, disse Nadler. “Acho que a segunda coisa vai ser maior do que a primeira, por isso talvez os primeiros 10 milhões de dólares devam vir de mim. Essa foi, de longe, a decisão financeira mais inteligente que tomei na minha vida…..Queria apostar em mim próprio.”

“Uma das grandes vantagens de ser um empresário pela segunda vez é que não sou um idiota.” – Daniel Nadler, cofundador e Diretor Executivo, OpenEvidence

O problema que a OpenEvidence está a resolver é enorme e está a aumentar. A literatura médica está a proliferar a um ritmo meteórico – duplicando de tamanho a cada cinco anos – à medida que são desenvolvidas novas opções de tratamento, como as terapias genéticas, e os cientistas aprendem mais sobre a forma como as diferentes doenças e medicamentos podem interagir entre si. A seleção de tudo isto é uma tarefa hercúlea: alguns artigos são excelentes, outros são maus e muitos outros estão desatualizados. (Com a IA a ser utilizada para publicar e rever artigos de investigação, o problema só tem piorado). Entretanto, os médicos nos Estados Unidos estão cada vez mais limitados no tempo, dada a crescente escassez de profissionais de saúde – criando uma oportunidade para as empresas em fase de arranque criarem tecnologia que possa ajudar a prestar melhores cuidados e a aliviar a pressão sobre os médicos.

A OpenEvidence não é a primeira empresa a tentar dar sentido à sobrecarga de publicações médicas; o UpToDate da Wolters Kluwer existe há décadas e tem vindo a incorporar recentemente a IA, juntamente com conselhos de especialistas, para fazer o mesmo. Mas é o primeiro a criar software que integra a IA desde o início para facilitar aos médicos a procura de respostas a questões clínicas prementes e para o fazer com muito mais precisão do que o ChatGPT.

Atualmente, os médicos utilizam o OpenEvidence em cerca de 8,5 milhões de consultas por mês. Uma vez que a ferramenta não é considerada de diagnóstico, não necessita da aprovação da FDA, como acontece com os algoritmos utilizados para detetar acidentes vasculares cerebrais ou sépsis nos doentes. E uma vez que os médicos podem descarregá-la ou utilizá-la online gratuitamente, é possível contornar o longo e burocrático processo de aquisição junto de hospitais ou de grandes grupos de médicos. Este facto tem ajudado a empresa a contratar médicos a um ritmo cada vez mais rápido.

Susan Wolver, internista em Richmond, Virgínia, tornou-se uma verdadeira crente, utilizando o OpenEvidence para redigir cartas de autorização prévia e consultar pormenores sobre medicamentos. Mais dramaticamente, enquanto ela estava num voo doméstico recentemente, um passageiro imunocomprometido quase desmaiou na casa de banho. Wolver recorreu ao OpenEvidence para descobrir os riscos para o sistema imunitário do doente e elaborar um plano de tratamento no local. “Acho que não passa um dia em que não o utilize”, afirmou.

Nadler cresceu em Toronto, onde os seus pais faziam parte da grande vaga de imigrantes da Europa de Leste do pós-guerra – o seu pai da Roménia e a sua mãe da Polónia. “O meu avô esteve em Auschwitz e sobreviveu”, disse. “Depois da Segunda Guerra Mundial, o meu avô quis vir para a América, mas a América não estava a deixar entrar as pessoas e eles foram para o Canadá.”

Quando era miúdo, Nadler era competitivo até ao limite, envolvendo-se em jogos de memória para ver se conseguia recitar mais páginas de um solilóquio de Hamlet do que um amigo. “Eu era um nerd total”, diz ele. Membro da Mensa, achava a escola aborrecida e, depois de obter o bacharelato na Universidade de Toronto, candidatou-se a Harvard para a pós-graduação, esperando um desafio maior. Uma vez lá, obteve um doutoramento em economia política, escrevendo a sua tese sobre os mecanismos de fixação de preços dos derivados de crédito. Também estudou poesia com a vencedora do Prémio Pulitzer Jorie Graham, lançou uma aplicação chamada Sigmund que podia ser programada para dizer palavras específicas durante o sono para influenciar os sonhos do utilizador e foi professor visitante na Reserva Federal.

Nadler estava a fazer o seu doutoramento e ganhava apenas 23.500 dólares por ano como estudante de pós-graduação quando teve a ideia da sua primeira empresa, a Kensho. Na Fed, ficou surpreendido ao saber que os seus reguladores se baseavam em folhas de cálculo rudimentares do Excel para fazer avaliações críticas. Por isso, juntou-se ao programador Peter Kruskall para criar algoritmos que tornassem a análise financeira tão fácil como uma pesquisa no Google. Quando a Kensho lançou o seu chatbot baseado em texto, Warren, em 2012, a inteligência artificial ainda era uma área de estudo dos académicos, e não o centro de interesse do mundo das startups que é hoje. “Ninguém estava a falar de IA em 2012. Estamos a falar de 10 anos antes do ChatGPT”, afirmou.

A ideia resultou e quando a S&P comprou a Kensho, pagando 700 milhões de dólares, incluindo bónus de retenção, tornou-se o maior negócio de IA da história. Nadler, que detinha 20%, ficou subitamente rico. “Para os fundadores que estão a fundar pela segunda vez, essa arrogância [muitas vezes] desapareceu”, disse o sócio geral da GV, Sangeen Zeb. “Daniel ainda tem essa arrogância.”

Em 2021, juntou-se a Ziegler, que estava a fazer um doutoramento em aprendizagem automática em Harvard, mas que na realidade só queria construir coisas. Os dois tinham um palpite de que a tecnologia de IA que tinha ajudado a tornar os comerciantes mais inteligentes, encontrando padrões em grandes quantidades de dados, também poderia ajudar os médicos – com um impacto ainda maior. Ambos estavam também motivados pela experiência pessoal. O avô de Nadler tinha morrido devido a um erro médico, enquanto Ziegler tinha assistido ao tratamento de leucemia do seu cunhado, então com 22 anos. (Atualmente está em remissão.) “Foi realmente revelador para mim”, disse Ziegler. “Há uma enorme complexidade, mas a forma como os médicos acedem a ela é literalmente folheando um livro de texto.”

O capitalista de risco Jim Breyer, que havia investido na Kensho, passou quatro horas conversando com Nadler sobre a sua ideia para a OpenEvidence e se tornou um dos seus primeiros investidores externos (junto com o investidor Ken Moelis) em 2022. Breyer, que ficou famoso por ter apoiado Mark Zuckerberg em 2005, considera Nadler como um grupo rarificado de fundadores. “Daniel é um empresário extraordinário”, disse ele. “A visão inicial de aplicar IA a revistas médicas foi simplesmente brilhante.”

No início de 2023, a OpenEvidence juntou-se ao prestigiado acelerador da Mayo Clinic para startups de tecnologia de saúde. O programa permite que as startups refinem as suas ideias – e a sua tecnologia – no hospital que, como Nadler observou num vídeo de 2023 para o programa, “tem o maior e mais alto conjunto de dados de qualidade em saúde”. Por esta altura, a IA estava a crescer. A década de Nadler no campo rapidamente começou a valer a pena. “Quando todos estavam a lutar para sair da criptografia, eu pensei: ‘Vou apenas correr em círculos em torno de todos vocês’”, disse ele.

“A IA é lixo dentro, lixo fora, ouro dentro, ouro fora.”- Daniel Nadler, cofundador e CEO, OpenEvidence

Ainda assim, este é um negócio difícil e há dúvidas sobre se a pesquisa baseada em IA sempre dará a melhor resposta. Nadler argumenta que, ao basear-se nos “padrões de ouro do conhecimento médico”, muitos dos quais não estão disponíveis na Internet aberta para além dos resumos – incluindo o JAMA e o New England Journal of Medicine – os modelos de classificação de pesquisa da startup são capazes de extrair informações fiáveis e relevantes sobre uma doença rara ou os efeitos secundários de um medicamento, mantendo ao mesmo tempo as alucinações (a tendência da IA para fabricar factos) no mínimo. “A IA é lixo que entra, lixo que sai, ouro que entra, ouro que sai”, disse Nadler, acrescentando: “Nem tudo se resume a criar um algoritmo super nerd”.

O médico Stephen Krieger, especialista em esclerose múltipla no Mount Sinai, em Nova Iorque, ouviu falar do OpenEvidence através de um residente no fim de semana passado, quando estava a fazer rondas no hospital. Precisava de saber qual o antibiótico a utilizar para uma infeção neurológica numa pessoa alérgica à penicilina, algo que não era da sua competência clínica. Antes de confiar nela, testou a sua exatidão perguntando ao OpenEvidence sobre a sua própria investigação sobre a esclerose múltipla (e também confirmou a resposta com os seus colegas de doenças infeciosas). O OpenEvidence não só resumiu corretamente a sua investigação, como também assinalou adequadamente as limitações que ainda não tinham sido publicadas. “A ideia de que se ofereceu para me dizer as limitações do meu próprio trabalho e eu concordei com isso foi ótima”, afirmou.

Mas Daniel Byrne, professor na Johns Hopkins Bloomberg School of Public Health e autor do livro Artificial Intelligence for Improved Patient Outcomes, diz que não é assim tão simples. “O que eu descobri que a maioria das pessoas não entende é que até metade da literatura médica está errada”, disse ele, observando que muitas vezes são publicados artigos sobre debates científicos ou estudos clínicos que podem não dar certo. “Ter uma referência é um passo na direção certa, mas não é suficiente”, disse Byrne.

“Quando toda a gente estava a lutar para sair das criptomoedas, eu pensei: ‘Vou fazer círculos à volta de todos vocês’” – Daniel Nadler, cofundador e diretor executivo da OpenEvidence

Travis Zack, diretor médico da OpenEvidence, afirma que, embora haja erros em qualquer sistema de IA, estes devem ser muito menores do que os erros cometidos por médicos que tomam decisões sobre 20 doentes por dia sem consultar facilmente a literatura disponível. “O que o OpenEvidence faz é permitir que os médicos não tenham que confiar no seu instinto”, diz.
Também não se sabe até que ponto o modelo de publicidade do OpenEvidence será bem sucedido. As empresas farmacêuticas são grandes gastadoras e agora têm a oportunidade de apresentar informações pormenorizadas sobre os seus medicamentos aos médicos que provavelmente os utilizarão. Graças às respostas patrocinadas, a empresa pode manter a ferramenta gratuita para os médicos, ajudando a atrair mais clínicos e permitindo-lhe ajustar o seu algoritmo (e melhorar os resultados da pesquisa) com base no seu feedback. Isto cria aquilo a que Nadler chama um “volante de fantasia”, em que ter mais utilizadores torna o produto melhor, o que atrai mais utilizadores, ad infinitum.

Mas, apesar de os gastos com publicidade nos setores da saúde e farmacêutico ascenderem a cerca de 30 mil milhões de dólares em 2024, a criação de um negócio baseado em publicidade é invulgar na tecnologia da saúde, onde a maior parte do software é vendido por subscrição. “As pessoas odeiam a publicidade”, disse Nadler. “Não sei porquê, adoro publicidade”. Mas mesmo ele observa que a empresa tem atualmente um inventário potencial de anúncios muito maior, mais de 350 milhões de dólares, do que vendeu até à data. “A Google passou algum tempo a pôr as pessoas à vontade com o modelo, e é isso que estamos a fazer.”

O médico Aneesh Singhal, vice-presidente do departamento de neurologia do Massachusetts General Hospital e diretor do centro de AVC do hospital, descarregou o OpenEvidence há um ano, depois de ter lido sobre ele numa mensagem de correio eletrónico enviada em massa para o sistema hospitalar. Desde então, tem notado que a ferramenta está a ganhar popularidade entre os seus colegas residentes e cirurgiões. “Toda a gente parece estar a utilizá-la”, afirmou.

Ele queria procurar os estudos mais recentes sobre AVC em adultos – uma tarefa assustadora que, de outra forma, levaria horas a vasculhar o PubMed e livros de texto online. A ferramenta provou ser muito melhor do que um chatbot genérico como o ChatGPT, sugerindo perguntas de acompanhamento para fazer sobre o historial médico de um paciente e testes que devem ser realizados, disse ele. “O ChatGPT fica aquém, na medida em que apenas lhe dá a resposta direta”, afirma Singhal.

Até à data, a dinâmica da OpenEvidence tem sido espantosa, uma vez que tem vindo a registar médicos a um ritmo cada vez mais rápido, uma métrica fundamental que o investidor Breyer quer ver. “Receber as atualizações semanais e mensais dá-me uma enorme confiança de que o Daniel continua a fazer tudo o que faz”, afirmou.

Atualmente, a empresa está a utilizar os chamados modelos de raciocínio, que pensam numa tarefa por etapas, uma tática que os investigadores descobriram que torna as respostas da IA melhores e mais robustas. Este mês, a startup lançou um novo recurso chamado DeepConsult, que usa essa técnica para conectar os pontos entre diferentes estudos e realizar pesquisas avançadas sobre um determinado tópico. “Permite que um médico tenha essencialmente uma equipa de M.D. Ph.D.s que pode sair enquanto o médico está a fazer outras coisas e fazer essa quantidade enormemente profunda de pesquisa”, disse o cofundador Ziegler.

E, embora a tecnologia da OpenEvidence possa ser utilizada de forma semelhante noutros domínios científicos, Nadler ainda não está concentrado na expansão para esses domínios: quer limitar-se aos cuidados de saúde, tanto nos EUA como a nível internacional, especialmente em países onde o acesso a cuidados de qualidade é limitado. Em todo o setor, existe atualmente um mosaico de tecnologia baseada em IA, desde anotadores para médicos a ferramentas de diagnóstico clínico. Juntamente com os resultados laboratoriais de um paciente e os dados de dispositivos médicos, como monitores de glicose no sangue, há uma oportunidade de reunir todas essas informações num só lugar.

O cofundador da Coatue, Thomas Laffont, que investiu na OpenEvidence, vê a empresa a tornar-se um dia o centro de convergência de todas estas ferramentas. “Podemos imaginar um mundo em que a OpenEvidence se torna a ferramenta através da qual todos os diagnósticos são efetuados”, afirmou.

Amy Feldman/Forbes Internacional